基于统一最优运输框架的通用领域自适应方法

本发明提出了一种基于统一最优运输框架的通用领域自适应方法，涉及深度学习、计算机视觉领域，包括：将源域和目标域图像样本通过特征提取器，获得正则化后的特征；将目标域特征与源域原型做相似度计算；将相似度矩阵送入非平衡最优运输求解器求解，获得分配矩阵；进行自适应填充后再进行优化问题求解；使用统计均值筛选出高置信度样本为公共类别，并赋予伪标签计算域对齐损失函数。其中，将目标域样本与之在内存队列中的最近邻特征拼接后，和目标域原型做相似度计算；将相似度矩阵送入最优运输求解器求解，获得分配矩阵；将所得分配矩阵作为伪标签计算目标域特征发现损失函数；进行网络训练，使通用领域自适应问题得以解决。